215 похожих чатов

@Cookie_thief @VadimChashechnikov и извините за еще вопрос тогда - насколько

я понял, сколько бы аттеншен-голов у трансформера ни было, их специально выученным кодером сколлапсит в вектор меньшей размерности, который имеет такой же шейп, как у входа слоя.

в illustrated transformer этому далось объяснение в духе не бей лежачего - "так как слой ожидает, что ему дадут по одному вектору эмбеддинга на каждое слово, а не по (количество-голов) векторов, их нужно сколлапсить". при том говорится, что каждая голова аттеншена тренируется отдельно с рандомно инициализированными параметрами, т.е. какой-то магии ассоциированной с головами нет, это простой ансамбль

поэтому вопрос - не происходит ли утери данных при понижении размерности с большого количества голов? и есть ли какие-то причины, почему не передавать в следующий слой в качестве скрытого состояния выхлоп всех голов в виде конкатенированной матрицы?

я так понимаю, одна из причин - это как раз уменьшение количества оптимизируемых параметров, но не в ущерб ли качеству это происходит?

1 ответов

21 просмотр

Эксперименты говорят что ок работает, если ставить меньше голов и больше размерность эмбеддинга будет работать хуже

Похожие вопросы

Обсуждают сегодня

а через ESC-код ?
Alexey Kulakov
29
30500 за редактор? )
Владимир
47
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
13
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Как передать управляющий символ в открытую через CreateProcess консоль? Собсна, есть процедура: procedure TRedirectThread.WriteData(Data: OEMString); var Written: Cardinal;...
Serjone
6
program test; {$mode delphi} procedure proc(v: int32); overload; begin end; procedure proc(v: int64); overload; begin end; var x: uint64; begin proc(x); end. Уж не знаю...
notme
6
Ребят в СИ можно реализовать ООП?
Николай
33
у вас два процесса. один посылает другому сигнал. у вас есть код обоих процессов? если всё не так - расскажите как оно на самом деле. а именно кто кому чего, есть-ли консоли,...
Karagy
6
вы делали что-то подобное и как? может есть либы готовые? увидел картинку нокода, где всё линиями соединено и стало интересно попробовать то же в ddl на lua сделать. решил с ч...
Victor
8
Карта сайта